AI時代の開発を支配する「共通感覚」：Sentry創設者が語るMCPとエージェントの未来

今日のテクノロジーランドスケープにおいて、「AI」という言葉は、かつてないほどの熱狂と変革の波を巻き起こしています。企業はこぞって「AIカンパニー」への変貌を掲げ、無限の予算が突然目の前に現れたかのように、新たな技術の導入に躍起になっています。しかし、この熱狂の裏で、多くの人々が「結局、何から手をつければいいのか」「複雑な技術の前に立ちすくんでいる」という共通の課題に直面しているのではないでしょうか。

先日開催された「AI Engineer World's Fair」では、Sentryの創設者であるデイヴィッド・クレーマー氏が、まさにこの問いに答えるかのような「Hot Takes（刺激的な見解）」を披露しました。彼のプレゼンテーションの主題は、AIエージェントとアプリケーションを繋ぐ新しいアーキテクチャの鍵となる「MCP（Multilingual Control Plane）」です。クレーマー氏は、このMCPを巡る議論の多くが「作ってみてもいないのに意見を述べる人々」によってかき混ぜられていると指摘し、彼自身がSentryのMCPサーバーを構築した経験から得た、実践的かつ「共通感覚」に基づいた洞察を共有しました。

本記事では、このデイヴィッド・クレーマー氏の示唆に富んだプレゼンテーションを深く掘り下げ、MCPがAI時代における開発のパラダイムをどのように変え、そして私たちのビジネスにどのような影響を与えるのかを、その重要性、具体的な機能、ビジネスへの影響、そして将来性を専門的かつ分かりやすく解説していきます。

MCPとは何か？OpenAPIサーバーとの決定的な違い

まず、クレーマー氏はMCPの定義から始めました。多くの人々がMCPを単なるOpenAPIサーバーの延長線上にあるものと誤解しているが、そうではない、と彼は強く主張します。

「MCP（Multilingual Control Plane）」とは、Sentryの文脈において「エージェントのための、目的特化型アダプター」であると定義されています。これは単に既存のAPIをラップするものではなく、既知のワークフローと未知のワークフローの両方をエージェント内で有効にすることを主眼に置いて設計されています。

従来のOpenAPIサーバーは、APIのエンドポイントとデータ構造を記述するための仕様であり、主に人間や特定のプログラムがAPIを呼び出すための「契約書」のような役割を果たします。しかし、AIエージェントの世界では、エージェントが自律的に、あるいは半自律的にタスクを実行するために、APIが提供する情報だけでなく、その「コンテキスト」や「意図」をより深く理解する必要があります。

例えば、Sentryはアプリケーションのエラー監視サービスを提供しています。従来のシステムでは、エラーが発生すると開発者がSentryのダッシュボードを確認し、問題の原因を特定し、修正するというワークフローがありました。ここにAIエージェントが介入する場合、エージェントは単にエラーデータを取得するだけでなく、そのエラーがどのような影響を与えているか、過去に同様のエラーがあったか、そしてどのように修正すべきか、といった複合的な情報を判断し、次の行動を決定する必要があります。

クレーマー氏は、SentryのMCPが「バグを修正する」という特定の目的のために設計されていることを強調しました。Sentryのような企業は、インターネット上のバグを監視し、修正する役割を担っています。ここでMCPは、Sentryのエラーデータと開発者の作業環境（VSCodeのようなコードエディタ）を繋ぐアダプターとして機能します。

MCPのコア機能は以下の通りです。

目的に合わせたアダプテーション: 特定のタスク（例：バグ修正）に特化した情報の抽出と変換。
既知・未知のワークフローの有効化: 定型的なバグ修正だけでなく、新たな種類のバグや未経験の状況にも対応できるよう、エージェントが柔軟にワークフローを構築・実行できる能力。
コンテキスト提供: エージェントが意思決定を行う上で必要な、より深い意味合いを持つ情報を提供。

つまり、MCPは単なるAPIのインターフェースではなく、エージェントがより賢く、自律的に機能するための「知的なゲートウェイ」として機能するのです。

エンタープライズ領域におけるAIエージェントの可能性と課題

クレーマー氏は、エンタープライズ、B2B、クラウドサービスというSentryの事業ドメインに焦点を当て、MCPの文脈を深めます。多くの企業が「AI企業になる」という大きな目標を掲げ、そのための「AIマンデート」に直面している現状を指摘しました。これは、単にAI技術を導入するだけでなく、企業文化、組織構造、そしてビジネスモデルそのものをAI中心に変革しようとする動きです。

しかし、この「AIマンデート」の実行には多くの課題が伴います。特に、既存の巨大なシステムとAIエージェントをシームレスに統合し、価値を生み出すことは容易ではありません。クレーマー氏は、多くの意見が実際の構築経験に基づかない憶測であると批判し、Sentryが実際にMCPサーバーを構築する中で直面した現実を語りました。

Sentryは、クラウドサービスを運用し、B2Bのエンタープライズ企業を顧客に持つSaaS企業です。彼らにとってのAIエージェント導入のモチベーションは明確でした。「どうすればバグ修正をより効率的に行えるか？」。もし、開発者がバグを発見した際に、AIエージェントがコードエディタ内でそのバグの根本原因を特定し、修正案を提示できるとしたら、それは開発者の生産性を劇的に向上させるでしょう。

しかし、これを実現するには、エージェントがSentryの豊富なエラーデータにアクセスし、それを「理解」し、適切なアクションを取る必要があります。そして、そのアクションの結果を開発者にとって意味のある形でエディタに返す必要があります。この複雑な情報の流れを仲介し、セキュリティを確保し、かつ柔軟性を持たせるのがMCPの役割なのです。

クレーマー氏のプレゼンテーションでは、VSCodeのインサイダー版でSentryのMCPプラグインが動作する様子が紹介されました。エディタ上で「このエラーは何？」と尋ねると、Sentryのデータと連携したMCPが「こうすれば直せる」とコードの修正案を提示する、というものです。これはまだベータ段階であり、完璧ではないものの、未来の開発ワークフローの片鱗を示しています。

この未来を実現するためには、単に既存のAPIをAIに開放するだけでは不十分です。AIエージェントが効果的に機能するためには、API自体を「エージェントフレンドリー」に設計し直すという根本的なアプローチが必要となります。

MCP実装における4つの実践的アドバイス

デイヴィッド・クレーマー氏は、SentryにおけるMCP構築の経験から、AIエージェントと連携するAPIを設計・実装する上で特に重要となる4つのアドバイスを提示しました。これらは、多くの企業がAI導入で直面するであろう共通の課題に対する「共通感覚」に基づいた洞察です。

1. OAuth、そしてOAuthのみ

エージェントのセキュリティは、その信頼性と運用の持続性にとって極めて重要です。クレーマー氏は、特にクラウドベースのAPIにおいて、OAuthが唯一の現実的な認証メカニズムであると断言しました。

なぜOAuthが重要か: エージェントが様々なサービスにアクセスする際、OAuthはユーザーに代わって特定のリソースへのアクセスを許可する安全な方法を提供します。これにより、パスワードを共有する必要がなくなり、権限の範囲を細かく制御できます。
stdout/stdinの限界: ローカルデバイス centric なアプリケーションにはstdout/stdinが有用な場合がありますが、クラウドベースのAPIではセキュリティと管理の観点から推奨されません。プロンプトインジェクションのような脆弱性が容易に発生し、悪意のあるエージェントが組織の機密データにアクセスするリスクを高めます。
現状のサポート: Claude (Desktop) や VSCode (Insiders) は現在、OAuthを完全にサポートしており、SentryのMCPもこれを活用しています。Cursorも近いうちにサポートする予定です。
実践的な注意点: クレーマー氏は、インターネット上にある「ランダムなパッケージ」を組織のシステムに安易に導入することの危険性を強く警告しました。信頼できるソースからのツールのみを使用し、常にセキュリティを最優先すべきです。

2. APIをデザインする

AIエージェントのためにAPIを設計するということは、単に技術仕様を定める以上の意味を持ちます。それは、「言語のためにデザインする」ということです。エージェントはコードだけでなく、自然言語のコンテキストから推論するため、APIのレスポンスはエージェントが「理解」しやすい形でなければなりません。

言語モデルのための設計: APIは、言語モデルがその意図、利用法、そして結果を正確に解釈できるように設計されるべきです。従来のJSON形式の生データでは、エージェントがその意味を理解するために追加の推論ステップが必要になる場合があります。
コンテキスト重視: APIレスポンスは、エージェントが必要とするコンテキストを適切に含んでいる必要があります。単にデータを返すだけでなく、それがどのような意味を持つのか、次に何ができるのかといった示唆を与えることが重要です。
JSONからの脱却検討: クレーマー氏は、JSONの代わりにMarkdownのような形式を検討することを提案しました。Markdownは人間が読みやすく、構造化された情報と自由なテキスト記述を両立できるため、言語モデルにとってより「親切」なフォーマットとなり得ます。
APIはあなたのAPIではない: 自社の既存APIをそのままエージェントに公開しても、期待する結果は得られないでしょう。エージェントの視点に立ち、APIを再設計する労力を費やす必要があります。

3. トークンを意識する

AIエージェントとのやり取りには、多くの場合「トークン」のコストが伴います。APIの設計者は、このトークンの消費量を意識し、無駄をなくすよう努める必要があります。

コストとパフォーマンス: 不必要なほど詳細なAPIレスポンスや、冗長な入力は、トークンコストを増大させ、パフォーマンスの低下や費用増加に直結します。
エージェントの制御不能性: エージェントの内部的な動作を完全に制御できない場合、エージェントが効率的でない方法でAPIを呼び出す可能性があります。これにより、開発者が意図しない大量のAPIコールやトークン消費が発生し、そのコストがユーザーに転嫁されることがあります。
レスポンスの統合とインターフェースの小型化: APIのレスポンスは慎重に構築し、必要な情報のみを簡潔に提供するべきです。また、入出力のインターフェースを小さく保つことで、エージェントがより効率的に情報を処理できるようになります。
継続的な改善: MCPベースのシステムは「Set it and forget it（一度設定したら放置）」できるものではありません。APIの応答、エージェントの挙動、トークン消費を継続的に監視し、改善を続ける必要があります。

4. エージェントを構築する

MCPの真価は、単なる「ツール」を公開するのではなく、「エージェント」を構築することによって発揮されます。エージェントは、複数のツールを組み合わせ、自律的に意思決定を行い、より複雑なタスクを実行する能力を持ちます。

問題解決の主体としてのエージェント: Sentryが提供する「Seer」のようなツールは、アプリケーションの問題を分析し、根本原因を特定し、修正を提案するという高度なタスクを実行します。これは、単一のAPIコールでは実現できない、複数のステップと推論を伴うエージェントワークフローの好例です。
コントロールの重要性: エージェントを自社で構築することで、その挙動、コスト、パフォーマンスに対するより深いコントロールが可能になります。これにより、プロンプトの設計、ツールの呼び出し方、結果の処理方法などを最適化し、責任を持って成功と失敗を管理できます。
B2BにおけるMCPの輝き: クレーマー氏は、MCPが特にB2B領域でその真価を発揮すると予測しています。企業固有の複雑なワークフローや専門的な知識をエージェントに組み込むことで、これまでにないレベルの自動化と効率化を実現できるからです。
現在の課題: 現状、MCPを通じたエージェント間のストリーミングレスポンスはまだ完全にサポートされていません。これは、よりインタラクティブでリアルタイムなエージェントワークフローを実現する上での大きな課題ですが、将来的な解決が期待されています。

AI開発の未来：本質を見極め、自ら構築する時代へ

デイヴィッド・クレーマー氏のプレゼンテーション全体を通して一貫していたのは、「AI技術の多くは、新しい言葉で語られているだけで、その根底にある概念は実は新しいものではない」というメッセージです。彼は、MCPが「プラグインアーキテクチャ」であり、エージェントが「サービス」であると指摘しました。これは、既存のソフトウェア工学の原理がAI時代にも引き続き適用されることを示唆しています。

この「共通感覚」の重要性は計り知れません。AIの専門家でなくとも、既存の知識と経験を活かしてAIの最前線に参入できる可能性を示しているからです。クレーマー氏自身が、SentryでCloudflare Workersのような既存技術を組み合わせてMCPをわずか数日でプロトタイプを構築したというエピソードは、このアクセシビリティの好例です。

今後のAI開発において、私たちに求められることは以下の通りです。

本質を見極める力: 新しいバズワードや流行に惑わされず、その裏にある技術的な原理やビジネスのニーズを深く理解すること。
実践と学習: 恐れることなく、実際に手を動かして何かを構築し、試行錯誤を通じて学ぶこと。多くの技術は、思っているほど難しくないかもしれません。
コンテキストとコントロールの最適化: エージェントが最大限の価値を発揮できるよう、提供するデータやAPIのコンテキストを最適化し、エージェントの挙動に対する適切なコントロールを追求すること。

MCPは、AIエージェントと実世界のアプリケーションを繋ぐための重要な架け橋となります。そして、その導入と最適化は、企業が「AIカンパニー」としての真の価値を実現するための試金石となるでしょう。

このAIの波はまだ始まったばかりです。デイヴィッド・クレーマー氏が示したように、多くの課題が残されていますが、その背後には無限の可能性が広がっています。本記事が、読者の皆様がこの新たな時代に「Build Something（何かを構築する）」ためのインスピレーションとなり、自信を持って「You, too, can have opinions（あなたも意見を持つことができる）」と言えるようになる一助となれば幸いです。